11 月 6 日,《自然·光子学》发表山东大学团队的研究:用与 CMOS 工艺兼容的氧离子注入,在薄膜铌酸锂中形成空间分离的掺氧层与富缺陷层,使这种广泛应用的光子平台本身变成全光控忆阻材料——无需异质集成,就能在铌酸锂波导上直接做出光子忆阻器。器件实现 3 位多级非易失存储,开关能耗为数百飞焦/比特,光学响应为亚微秒量级。论文全文为订阅制,本文依据公开摘要与发表信息整理。
01 / 思路:不做异质集成,让铌酸锂薄膜自己变成忆阻材料
光子忆阻器对光子神经网络至关重要,但把它集成到光波导平台上,传统路线依赖异质集成:把不同材料一层层拼起来,工艺复杂、制造成本高。这篇论文的路线是“同质化”:薄膜铌酸锂(TFLN)本身就是应用最广的光子平台之一,研究团队用与 CMOS 工艺兼容的氧离子注入工艺,在薄膜内形成空间上分离的两层——掺氧层与富缺陷层——从而让铌酸锂本身获得全光控的折射率调制能力。
团队来自山东大学物理学院晶体材料国家重点实验室(高煦等),论文 2026 年 11 月 6 日发表于《自然·光子学》。需要说明的是:该刊为订阅制期刊,本文依据的是论文公开摘要与发表信息,未读到全文;摘要之外的具体参数未独立核验。
02 / 结果:微环上 8 个态、数百飞焦、亚微秒响应
器件层面的演示做在一个氧注入的薄膜铌酸锂微环谐振器上:光透射谱的谐振峰随光控状态移动,呈现出 8 个分立的非易失调谐态,对应 3 位存储容量。开关能耗为每比特数百飞焦量级,光学响应进入亚微秒区间,并在长期运行中保持数据稳定。
这三个数字要放在一起读:多级存储解决“存多少”,飞焦级能耗解决“存多贵”,亚微秒响应解决“存多快”——三者同时成立,才是光子忆阻器能进神经网络的前提。摘要没有给出确切的保持时间与循环耐久数值,这部分有待全文或后续工作披露。
03 / 意义与边界:晶圆级、可编程的光子平台,但别急着下单
作者强调的卖点是“同质、可扩展、可编程”:薄膜铌酸锂已实现晶圆级生产,氧离子注入又与 CMOS 工艺兼容——这意味着全光忆阻器有望沿着现有半导体产线规模化,而不是停留在实验室的异质集成样品上。长远看,这类器件瞄准的是大规模光子神经网络:光信号在芯片上既能传输、又能记忆与计算。
分寸同样要守住:这是一次材料与器件原理的验证,摘要没有披露阵列规模、串扰、良率或系统级演示;从“单个微环 8 个态”到“大规模光子神经网络”,中间还有很长的路。本文的数字全部来自公开摘要与二次报道,全文订阅制限制了独立核验——读者应把它当作值得跟踪的方向,而非已量产的技术。
